Prof. Dr. Holger Dette Musterlösung Statistik I Sommersemester 2009 Dr. Melanie Birke Blatt 9
|
|
- Cathrin Bruhn
- vor 5 Jahren
- Abrufe
Transkript
1 Prof r Holger ette Muterlöung Statitik I Sommeremeter 009 r Melanie Birke Blatt 9 Aufgabe : 4 Punkte E eien X,, X n unabhängig identich N µ, -verteilt a Man berechne die Fiher-Information I µ für µ b E ei Man zeige, da gilt ˆµ a = Xn für X n a X n für X n <, a > 0 nˆµa µ mit vµ = für µ 0 und vµ = a für µ = 0 N 0, vµ c Für welche a it ˆµ a effizient? Man zeige auch, da e Fälle gibt, wo gilt Löung: a E it vµ I µ log L X µ = logπ X µ µ log L X µ = X µ [ ] I µ = E µ log L X µ = E[X µ ] = VX = b E it nˆµa µ = n X n µi X n + na n X /4 n µi X n < Für µ = 0 ergibt ich nˆµa µ = n X n µ I n N 0, Für µ = 0 gilt außerdem wegen P 0 I X n 0 P 0 I + a n X n µ N 0,a X n > ε ε V 0 I X n = 4Φ Φ n 0 I X n < = P 0 n Xn + P 0 n Xn = Φ + Φ = Φ und I X n n Bin, Φ Alo gilt I X /4 n I X n < P n und mit dem Lemma von Slutky folgt für µ = 0 /4 nˆµa µ N 0, a P 0 Genauo zeigt man
2 Für µ 0 gilt nˆµa µ = n X n µ I n N 0, + a n X n µ N 0,a I X n < + nµa I n X /4 n < Wir zeigen zuert die Konvergenz in Wahrcheinlichkeit de letzten Audruck gegen 0 azu ei ε > 0 ε und e exitiert ein n 0 IN o da für alle n n 0 gilt n µa < n µa P µ I X n < > ε = P µ I X n < = P µ X n < ε > n µa = P µ n / µ < n / X n µ < n / µ = Φ n / µ Φ n / µ für µ<0 0 für µ>0 n für µ<0 0 für µ>0 a bedeutet n µa I X n < P 0 Genauo zeigt man I Xn < I X n P n Mit dem Lemma von Slutky erhält man hier /4 nˆµa µ N 0,, n 0 P 0 und alo die Behauptung c Für a = gilt ˆµ = X n und omit it ˆµ effizient für µ Für allgemeine a < und µ = 0 it die aymptotiche Varianz von nˆµ a µ mit a < = I µ Solche Schätzer, für die die aymptotiche Varianz zumindet für einige wenige Parameterwerte kleiner al die Invere der Fiher-Information it heißen auch upereffizient! Aufgabe : 4 Punkte E eien X,, X n unabhängig identich N µ, σ-verteilt und Y,, Y m unabhängig identich N µ, σ- verteilt und X i n i= und Y j m j= eien unabhängig Man finde ein α-konfidenzintervall für σ σ a µ und µ bekannt b µ und µ unbekannt c einer der beiden Erwartungwerte unbekannt it? Löung: a Wenn µ und µ bekannt ind, ind = n n i= X i µ und = m m i= Y i µ unabhängige Schätzer für σ und σ und e gilt n σ α = P σ,σ = P σ,σ χ n, m σ F m,n,α/ σ σ F m,n,α/ σ σ amit it [ ] F m,n,α/, F m,n, α/ ein α-konfidenzintervall für σ Ein Anatz mit σ σ n,m führt zunächt zu α P σ,σ σ F n,m, α/ σ σ wenn χ m ehalb gilt σ σ m,n und F m,n, α/ F m,n, α/ F n,m,α/
3 a ergibt jedoch daelbe Konfidenzintervall wie oben da gilt F j,k,β = F k,j, β für j, k IN, β 0, b Sind µ und µ beide unbekannt, o ind = n n i= X i X n und = m m i= Y i X n unabhängige Schätzer für σ und σ und e gilt n σ F m,n und α = P σ,σ = P σ,σ F m,n,α/ σ χ n, m σ σ F m,n,α/ σ σ F m,n, α/ amit it [ ] F m,n,α/, F m,n, α/ F m,n, α/ χ m ehalb gilt σ σ ein α-konfidenzintervall für σ σ c Ohne Einchränkung ei µ bekannt ann ind = n n i= X i µ und = m m i= Y i X n unabhängige Schätzer für σ und σ und e gilt n χ σ n, m χ σ m ehalb gilt σ σ m,n und α = P σ,σ F m,n,α/ σ σ F m,n, α/ = P σ,σ F m,n,α/ σ σ F m,n, α/ amit it [ ] F m,n,α/, F m,n, α/ ein α-konfidenzintervall für σ Analog erhält man für µ σ bekannt da α-konfidenzintervall [ ] F m,n,α/, F m,n, α/ Aufgabe 3: 4 Punkte E ei θ = θ,, θ k T IR k und für j =,, k ei C j θ = c j X, c j X α j -Konfidenzintervall für θ j Weiter ei Cθ = C θ C k θ a Man zeige, da Cθ ein Konfidenzbereich für θ zum Niveau k j= α j it b C θ,, C k θ ind tochatich unabhängig fall die Zufallvariablen c X, c X,, c k X, c k X tochatich unabhängig ind Man zeige, da in dieem Fall Cθ ein Konfidenzbereich zum Niveau k j= α j it Man vergleiche diee Niveau mit dem in a betimmten c E eien nun α = = α k = α Wie mu man in a bzw b α wählen, damit man ein Konfidenzbereich für θ zum vorgegebenen Niveau α erhält? Löung: a Mit der Bonferroni-Ungleichung erhalten wir P θ θ Cθ = P θ θ / Cθ = P θ θ / C θ,, θ k / C k θ P θ θ j / C j θ = α j j= amit it Cθ ein k j= α j -Konfidenzbereich für θ b Sind C θ,, C k θ tochatich unabhängig, o gilt j= P θ θ Cθ = P θ θ C θ,, θ k C k θ = α j j= P θ θ j C j θ j=
4 k und Cθ it damit ein j= α j -Konfidenzbereich für θ Wegen der allgemeinen Bernoulli-Ungleichung gilt α j j= Bewei zb mit Induktion über k und im Fall der Unabhängigkeit der einzelnen Konfidenzintervalle erhält man einen beeren Konfidenzbereich für θ c Im Fall a oll alo gelten k α = α und damit ollte man α = k α wählen Im Fall b oll gelten α k = α und hier wählt man alo α = α /k j= α j Aufgabe 4: E eien X,, X n unabhängig identich Poion-verteilt mit Parameter λ > 0 4 Punkte a Man betimme den Maximum-Likelihood-Schätzer ˆλ für λ und zeige, da dieer aymptotich effizient it b Man finde eine varianztabiliierende Tranformation für ˆλ und betimme darau ein aymptotiche α-konfidenzintervall der Form [0, c] für λ c Man finde eine geeignete Standardiierung, o da c n ˆλ λ N 0, gilt und betimme darau ein aymptotiche α-konfidenzintervall der Form [0, c] für λ d Gegeben ei die Stichprobe 6, 3,, 4, 3, 4,, 5,, 4 von Poion-verteilten Zufallvariablen Man berechne Konfidenzintervalle mit den Methoden au b und c zum Niveau 095 und vergleiche die Reultate Löung: a Wir erhalten mit X = X,, X n log L X λ = nλ + lognλ λ log L Xλ = n + λ i= X i X i i= logx i! Al Nulltelle der zweiten Gleichung erhalten wir den Maximum-Likelihood-Schätzer ˆλ = n n i= X i ie Fiher-Information it [ I λ = E λ + ] λ X = λ E λ[x λ ] = λ V λx = λ λ = λ Mit dem Zentralen Grenzwertatz gilt nˆλ λ N 0, λ λ =I amit it ˆλ aymptotich effizient im Übrigen it ˆλ ogar effizient! b Wir müen eine Funktion g finden mit g λ = λ ann gilt nämlich mit der elta-methode i= ngˆλ gλ N 0, g λλg λ = ie Funktion gλ = λ erfüllt die obige ifferentialgleichung und wir erhalten n λ N 0, arau können wir ein aymptotiche α-konfidenzintervall kontruieren: P λ 0 λ c 0 λ c n c n λ n n c n λ
5 [ Für c = + u α n = ˆλ + u n α + u α n it cv λ 0, ˆλ ] + u α n + u α ein aymptotiche Konfidenzintervall zum Niveau α n c E gilt mit dem Zentralen Grenzwertatz und dem Lemma von Slutky ˆλ it konitent für λ n ˆλ λ N 0, arau kontruieren wir da Konfidenzintervall: P λ 0 λ c n ˆλ c n ˆλ c n ˆλ λ n ˆλ λ n ˆλ Für c = ˆλ + ˆλ + u α n it c λ[0, ˆλ + u α n ] ein aymptotiche Konfidenzintervall zum Niveau α Wir ehen direkt, da da hier kontruierte Konfidenzintervall beer it al da au b, da eine Länge kleiner it! d Für die Konfidenzintervalle au b und c erhält man mit u 095 = 645 ˆλ = 33 c v λ = [0, 433] c λ = [0, 445] Wie wir alo chon in c fetgetellt haben, it c v λ beer al c λ
5 Die Poisson-Approximation
5 Die Poion-Approximation Im vierten Kapitel hatten wir mit der Normalverteilung die icherlich wichtigte und meittudierte Verteilung der W.-Theorie kennengelernt und geehen, daß man diee al Lime eine geeignet
MehrMusterlösung zur Klausur im Fach Fortgeschrittene Statistik am Gesamtpunktzahl: 60
WESTFÄLISCHE WILHELMS - UNIVERSITÄT MÜNSTER Wirtschaftswissenschaftliche Faktultät Prof. Dr. Bernd Wilfling Professur für VWL, insbesondere Empirische Wirtschaftsforschung Musterlösung zur Klausur im Fach
Mehr1 Diskrete Wahrscheinlichkeitstheorie
Prof. A. Sapozhnikov Wahrcheinlichkeittheorie I INHALTSVERZEICHNIS 1 Dikrete Wahrcheinlichkeittheorie 1.1 Laplace-Wahrcheinlichkeit. Urnenmodelle. N! Begriffe: Ziehen ohne Zurücklegen, mit Reihenfolge,
MehrAbiturprüfung Mathematik 2014 Baden-Württemberg Allgemeinbildende Gymnasien Wahlteil Analytische Geometrie / Stochastik Aufgabe B 1 - Lösungen
1 Abiturprüfung Mathematik 214 Baden-Württemberg Allgemeinbildende Gymnaien Wahlteil Analytiche Geometrie / Stochatik Aufgabe B 1 - Löungen klau_mener@eb.de.elearning-freiburg.de Wahlteil 214 Aufgabe B
MehrLösungsvorschläge zum 9. Übungsblatt.
Übung zur Anali III W / Löungvorchläge zum 9. Übungblatt. Wir zeigen zunächt, da die u.u. au Vorleung/Übung noch nicht bekannt it: It A BR p und B BR q, o it A B BR p+q. Die läßt ich z.b. wie in Aufgabe
MehrLösungen zu Übungs-Blatt Differentialgleichungen 2. Ordnung und PBZ
Prof.Dr. B.Grabowki Mathematik III/MST Übung Löungen Löungen zu Übung-Blatt Differentialgleichungen. Ordnung und PBZ Zu Aufgabe ) Geben Sie jeweil mindeten eine Löung folgender Differentialgleichung an
MehrTheoretische Grundlagen der Informatik
Theoretiche Grundlagen der Informatik Andrea Schumm 21.1.21 INSTITUT FÜR THEORETISCHE INFORMATIK KIT Univerität de Lande Baden-Württemberg und nationale Forchungzentrum in der Helmholtz-Gemeinchaft www.kit.edu
MehrStatistik I für Betriebswirte Vorlesung 13
Statistik I für Betriebswirte Vorlesung 13 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 4. Juli 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrProf. Dr. Holger Dette Musterlösung Statistik I Sommersemester 2009 Dr. Melanie Birke Blatt 5
Prof. Dr. Holger Dette Musterlösug Statistik I Sommersemester 009 Dr. Melaie Birke Blatt 5 Aufgabe : 4 Pukte Sei X eie Poissoλ verteilte Zufallsvariable mit λ > 0, ud die Verlustfuktio L sei defiiert durch
MehrStochastik Serie 11. ETH Zürich HS 2018
ETH Zürich HS 208 RW, D-MATL, D-MAVT Prof. Marloes Maathuis Koordinator Dr. Marvin Müller Stochastik Serie. Diese Aufgabe behandelt verschiedene Themenbereiche aus dem gesamten bisherigen Vorlesungsmaterial.
Mehr8 Martingaldarstellung und Doob-Meyer Zerlegung
8 Martingaldartellung und Doob-Meyer Zerlegung 8.1 Der Martingaldartellungatz In Kapitel 3 haben wir gezeigt, da da Ito-Integral eine H -Integranden ein tetige Martingal it. Der Martingaldartellungatz
MehrHöhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 15. Übungsblatt
Karlruher Intitut für Technologie (KIT) Intitut für Analyi Dr. A. Müller-Rettkowki Dipl.-Math. M. Uhl WS 9/ Höhere Mathematik I für die Fachrichtungen Elektroingenieurween, Phyik und Geodäie Löungvorchläge
MehrTheoretische Grundlagen der Informatik
Theoretiche Grundlagen der Informatik KIT 24.1.211 Univerität de Dorothea Lande Baden-Württemberg Wagner - Theoretiche und Grundlagen der Informatik nationale Forchungzentrum Vorleung in am der 2.Oktober
MehrMathematische Statistik Aufgaben zum Üben. Schätzer
Prof. Dr. Z. Kabluchko Wintersemester 2016/17 Philipp Godland 14. November 2016 Mathematische Statistik Aufgaben zum Üben Keine Abgabe Aufgabe 1 Schätzer Es seien X 1,..., X n unabhängige und identisch
MehrWir gehen wieder von einem allgemeinen (parametrischen) statistischen Modell aus, (
Kapitel 4 Konfidenzbereiche Wir gehen wieder von einem allgemeinen parametrischen statistischen Modell aus, M, A, P ϑ ; sei eine Funktion des Parameters gegeben, die einen interessierenden Teil-Parameter
MehrTheorie-Teil: Aufgaben 1-3: 30 Punkte Programmier-Teil: Aufgaben 4-9: 60 Punkte
Hochschule RheinMain WS 2018/19 Prof. Dr. D. Lehmann Probe-Klausur zur Vorlesung Ökonometrie Theorie-Teil: Aufgaben 1-3: 30 Punkte Programmier-Teil: Aufgaben 4-9: 60 Punkte (die eigentliche Klausur wird
MehrLÖSUNGEN AUSGEWÄHLTER AUFGABEN UND ZUSÄTLICHE AUFGABEN. Stochastische Modelle der aktuariellen Risikotheorie Eine mathematische Einführung
Intitut für mathematiche Statitik und Vericherunglehre Departement Mathematik und Statitik Philoophich-naturwienchaftlicher Fakultät LÖSUNGEN AUSGEWÄHLTER AUFGABEN UND ZUSÄTLICHE AUFGABEN Stochatiche Modelle
MehrStochastische Modelle der aktuariellen Risikotheorie Eine mathematische Einführung. Lösungen ausgewählter Aufgaben und zusätliche Aufgaben
Stochatiche Modelle der aktuariellen Riikotheorie Eine mathematiche Einführung R Gatto - 24 - Springer Löungen augewählter Aufgaben zuätliche Aufgaben Juni 27 Inhaltverzeichni 2 Modelle für individuelle
Mehr11 Likelihoodquotiententests
11 Likelihoodquotietetests I de Paragraphe 7-10 wurde beste Tests UMP-Tests oder UMPU-Tests i spezielle Verteilugssituatioe hergeleitet Hier soll u ei allgemeies Kostruktiosprizip für Tests vo zusammegesetzte
MehrKapitel 9. Schätzverfahren und Konfidenzintervalle. 9.1 Grundlagen zu Schätzverfahren
Kapitel 9 Schätzverfahren und Konfidenzintervalle 9.1 Grundlagen zu Schätzverfahren Für eine Messreihe x 1,...,x n wird im Folgenden angenommen, dass sie durch n gleiche Zufallsexperimente unabhängig voneinander
MehrZulassungsprüfung Stochastik,
Zulassungsprüfung Stochastik,..3 Wir gehen stets von einem Maßraum (Ω, A, µ) bzw. einem Wahrscheinlichkeitsraum (Ω,A,P) aus. Die Borel σ-algebra auf n wird mit B n bezeichnet, das Lebesgue Maß auf n wird
MehrDas empirische VaR bzw. CVaR
Das empirische VaR bzw. CVaR Sei x 1, x 2,..., x n eine Stichprobe der unabhängigen identischverteilten ZV X 1, X 2,..., X n mit Verteilungsfunktion F (Notation: Die ZV X 1, X 2,..., X n sind i.i.d. Empirische
MehrFakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen. Statistik II. Prof. Dr.
Statistik II Fakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen Statistik II 2. Parameterschätzung: 2.1 Grundbegriffe; 2.2 Maximum-Likelihood-Methode;
Mehr3 Statistische Schätzungen
3 Statistische Schätzungen In der Wahrscheinlichkeitstheorie geht es darum, über Modelle Ereignisse zu bewerten bzw. Voraussagen über ihr Eintreten zu treffen. Sind nun umgekehrt Daten bekannt, und wollen
MehrSchätzer und Konfidenzintervalle
Kapitel 2 Schätzer und Konfidenzintervalle Bisher haben wir eine mathematische Theorie entwickelt, die es uns erlaubt, gewisse zufällige Phänomene zu modellieren. Zum Beispiel modellieren wir die Anzahl
Mehr5 Konfidenzschätzung. 5.1 Einige Grundbegriffe zur Konfidenzschätzung
5 Konfidenzschätzung 5. Einige Grundbegriffe zur Konfidenzschätzung Diesem Kapitel liegt das parametrische Modell {X, B X, P } mit P {P Θ} zugrunde. {Θ, B Θ } sei ein Meßraum über Θ und µ ein σ-finites
MehrGrundlagen der schließenden Statistik
Grundlagen der schließenden Statistik Schätzer, Konfidenzintervalle und Tests 1 46 Motivation Daten erhoben (Umfrage, Messwerte) Problem: Bei Wiederholung des Experiments wird man andere Beobachtungen
MehrDifferentialgleichungen
Differentialgleichungen Teilnehmer: Phili Bannach Heinrich-Hertz-Oberchule) Levin Keller Herder-Oberchule) Phili Kende Herder-Oberchule) Carten Kubbernuh Andrea-Oberchule) Giang Nguyen Herder-Oberchule)
Mehr( ) = ( ) ( ) ( ) ( )
R. Brinkmann http://brinkmann-du.de Seite 0.0.0 Löungen Grundaufgaben für lineare und quadratiche Funktionen I e: E e f( x) = x+ Py 0 f( x) = x+ Px 0 E E E E E6 E7 E8 E9 E0 f x = mx + b mit m = und P(
Mehr0 sonst. a) Wie lautet die Randwahrscheinlichkeitsfunktion von Y? 0.5 y = 1
Aufgabe 1 (2 + 2 + 2 + 1 Punkte) Gegeben sei folgende gemeinsame Wahrscheinlichkeitsfunktion f(x, y) = P (X = x, Y = y) der Zufallsvariablen X und Y : 0.2 x = 1, y = 1 0.3 x = 2, y = 1 f(x, y) = 0.45 x
MehrZulassungsprüfung Stochastik,
Zulassungsprüfung Stochastik, 10.10.14 Wir gehen stets von einem Maßraum (Ω, A, µ) bzw. einem Wahrscheinlichkeitsraum (Ω,A,P) aus. Die Borel σ-algebra auf R n wird mit B n bezeichnet, das Lebesgue Maß
MehrModellanpassung und Parameterschätzung. A: Übungsaufgaben
7 Modellanpassung und Parameterschätzung 1 Kapitel 7: Modellanpassung und Parameterschätzung A: Übungsaufgaben [ 1 ] Bei n unabhängigen Wiederholungen eines Bernoulli-Experiments sei π die Wahrscheinlichkeit
Mehr8.6.5 Diffusion von Bromdampf ******
8.6.5 ****** Motivation Die Langamkeit der Diffuion wird mit Hilfe von Bromdampf veranchaulicht. Die quantitative Meung der Diffuion erlaubt die Betimmung der mittleren freien Weglänge und die Meung der
MehrTheorie Parameterschätzung Ausblick. Schätzung. Raimar Sandner. Studentenseminar "Statistische Methoden in der Physik"
Studentenseminar "Statistische Methoden in der Physik" Gliederung 1 2 3 Worum geht es hier? Gliederung 1 2 3 Stichproben Gegeben eine Beobachtungsreihe x = (x 1, x 2,..., x n ): Realisierung der n-dimensionalen
MehrZulassungsprüfung Stochastik,
Zulassungsprüfung Stochastik, 5.5. Wir gehen stets von einem Maßraum (Ω, A, µ) bzw. einem Wahrscheinlichkeitsraum (Ω,A,P) aus. Die Borel σ-algebra auf R n wird mit B n bezeichnet, das Lebesgue Maß auf
MehrScheinklausur zur Vorlesung Stochastik II
Institut für Mathematische Stochastik WS 2007/2008 Universität Karlsruhe 25. 02. 2008 Dr. B. Klar Scheinklausur zur Vorlesung Stochastik II Muster-Lösung Dauer: 90 Minuten Name: Vorname: Matrikelnummer:
MehrInstitut für Stochastik Prof. Dr. N. Henze Dipl.-Math. V. Riess
Institut für Stochastik Prof. Dr. N. Henze Dipl.-Math. V. Riess Name: Vorname: Matrikelnummer: Lösungsvorschlag zur Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik (Stochastik) Datum: 07.
MehrKorrekturliste zum Studienbuch Statistik
Korrekturlite zum Studiebuch Statitik I der aktuelle Auflage wurde durch ei Kovertierugproblem i de Kapitel 0 (S. 3 3 ud de etprechede Abchitte i de Löuge (S. 39 07 teilweie die Zeiche µ durch ud π durch
MehrKonfidenzbereiche. Kapitel Grundlagen. Wir gehen wieder von einem allgemeinen (parametrischen) statistischen Modell aus,
Kapitel 4 Konfidenzbereiche 4.1 Grundlagen Wir gehen wieder von einem allgemeinen parametrischen statistischen Modell aus, M, A, P ϑ ; sei eine Funktion des Parameters gegeben, die einen interessierenden
MehrSystemtheorie Teil A. - Zeitkontinuierliche Signale und Systeme - Musterlösungen. Manfred Strohrmann Urban Brunner
Sytemtheorie Teil A - Zeitkontinuierliche Signale und Syteme - Muterlöungen Manfred Strohrmann Urban Brunner Inhalt 8 Muterlöungen rundlagen de Filterentwurf 3 8. Entwurf eine paiven Filter mit kriticher
Mehr4.2 Methoden um Tests zu finden: Likelihood Quotienten Tests (LRT) Falls X 1,..., X n iid aus f(x θ), so gilt für die Likelihood Funktion
4.2 Methoden um Tests zu finden: Likelihood Quotienten Tests (LRT) Falls X 1,..., X n iid aus f(x θ), so gilt für die Likelihood Funktion L(θ x) = f(x θ) = n f(x i θ). Falls L(θ x) > L(θ x), für θ, θ Θ,
Mehr12.6 Aufgaben zur Laplace-Transformation
292 12. Aufgaben zu linearen Gleichungen 12.6 Aufgaben zur Laplace-Tranformation A B C D Man löe die folgenden Anfangwertprobleme durch Laplace-Tranformation: 1) ẍ ẋ x = ; x() = ẋ() = 1 2) x (3) 6ẍ + 12ẋ
MehrStatistics, Data Analysis, and Simulation SS 2017
Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Mainz, May 29, 2017 Dr. Michael O. Distler
MehrWichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
MehrLaplace Transformation
Department Mathematik der Univerität Hamburg SoSe 29 Dr. Hanna Peywand Kiani Laplace Tranformation Die in Netz getellten Kopien der Anleitungfolien ollen nur die Mitarbeit während der Verantaltung erleichtern.
MehrKapitel 3 Schließende Statistik
Motivation Grundgesamtheit mit unbekannter Verteilung F Stichprobe X 1,...,X n mit Verteilung F Realisation x 1,...,x n der Stichprobe Rückschluss auf F Dr. Karsten Webel 160 Motivation (Fortsetzung) Kapitel
MehrAbleitungsberechnung mit der Grenzwertmethode. Besonders wichtig ist der Zentraltext über Ableitungen Datei Stand 30.
Analyi Ableitungfunktionen Ableitungberechnung mit der Grenzwertmethode Beonder wichtig it der Zentraltet über Ableitungen 400 Datei 40 Stand 0. Dezember 00 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK 40 Ableitungfunktionen
MehrTeil IX. Verteilungen an Daten anpassen ( Maximum-Likelihood-Schätzung. fitten ) Woche 7: Maximum-Likelihood-Schätzung. Lernziele
Woche 7: Maimum-Lielihood-Schätzung Patric Müller ETHZ Teil IX Verteilungen an Daten anpassen ( fitten ): Maimum-Lielihood-Schätzung WBL 17/19, 12.06.2017 Wahrscheinlicheit
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. M. Schweizer ETH Zürich Sommer 4 Wahrscheinlichkeit und Statistik BSc D-INFK. a (iii b (ii c (iii d (i e (ii f (i g (iii h (iii i (i j (ii. a Die Anzahl der bestellten Weine in einem Monat kann
Mehr2 Klassische statistische Verfahren unter Normalverteilungs-Annahme
7 Klassische statistische Verfahren unter Normalverteilungs-Annahme. χ s, t s, F r,s -Verteilung a) N,..., N s uiv N (0, ) Verteilung von Y := N +... + N s heißt Chi-Quadrat-Verteilung mit s Freiheitsgraden
MehrDefinition. Wichtige Beziehungen. Geometrische Konstruktion
Mathematik/Informatik Gierhardt Goldener Schnitt und Kreiteilung Definition Eine Strecke mit der Länge r oll nach dem Verfahren de Goldenen Schnitt geteilt werden. Dann verhält ich die Geamttreckenlänge
MehrHOCHSCHULE RAVENSBURG-WEINGARTEN
Prof. Dr.-Ing. Tim J. Noper Mathematik Lapace-Tranformation Aufgabe : Betimmen ie mit Hife der Definitiongeichung der Lapace-Tranformation die Bidfunktionen fogender Originafunktionen: f(t) co( ωt) b)
MehrKonfidenzintervalle. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt
Konfidenzintervalle Annahme: X 1,..., X n iid F θ. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt P θ (U θ O) = 1 α, α (0, 1). Das Intervall [U, O] ist ein Konfidenzintervall
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 9. Dezember 2010 1 Konfidenzintervalle Idee Schätzung eines Konfidenzintervalls mit der 3-sigma-Regel Grundlagen
MehrNachklausur Mathematik für Biologen WS 08/09
Aufgabe 1: (5 Punkte) In einer diploiden Population beobachten wir die Ausprägung eines bestimmten Gens, das zwei Allele V und W annimmt. Somit besitzt jedes Individuum V V, V W oder W W als Genotyp. Die
MehrScheinklausur Stochastik 1 für Studierende des Lehramts und der Diplom-Pädagogik
Universität Karlsruhe (TH) Institut für Stochastik Dr. Bernhard Klar Dipl.-Math. oec. Volker Baumstark Name Vorname Matr.-Nr.: Scheinklausur Stochastik für Studierende des Lehramts und der Diplom-Pädagogik
MehrStatistik. Andrej Depperschmidt. Sommersemester 2016
Statistik Andrej Depperschmidt Sommersemester 2016 Schätzen der Varianz mit Stichprobenmittel Sei X = (X 1,..., X n ) eine Stichprobe u.i.v. ZV mit E[X i ] = µ R, Var[X i ] = σ 2 (0, ) und µ 4 = E[(X i
MehrStatistik-Notfallkit für Schüler und Lehrer
Statistik-Notfallkit für Schüler und Lehrer Jan Kallsen Christian-Albrechts-Universität zu Kiel 3. Dezember 2018 Zusammenfassung Schließende Statistik ist konzeptionell nicht einfach. Hier sind einige
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2004/2005 Universität Karlsruhe 14. Februar 2005 Dr. Bernhard Klar Sebastian Müller Aufgabe 1: (15 Punkte) Klausur zur Vorlesung Statistik für Biologen Musterlösungen
MehrStatitik für Kommunikationienchaftler Winteremeter 010/011 Vorleung Prof. Dr. Nicole Krämer Übung Nicole Krämer, Cornelia Oberhauer, Monia Mahling Löung Thema 5 Homepage zur Verantaltung: http://.tatitik.lmu.de/~kraemer/k10/index.html
MehrDWT 2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen 330/467 Ernst W. Mayr
2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen Wir betrachten nun ein Verfahren zur Konstruktion von Schätzvariablen für Parameter von Verteilungen. Sei X = (X 1,..., X n ). Bei X
MehrStatistik Klausur Sommersemester 2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 2 1. Klausur Sommersemester 2013 Hamburg, 26.07.2013 A BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrRegelungstechnik I (WS 17/18) Übung 5
Regelungtechnik I (WS 17/18) Übung 5 Prof. Dr. Ing. habil. Thoma Meurer, Lehrtuhl für Regelungtechnik Aufgabe 1. Gegeben it die Übertragungfunktion der Regeltrecke ĝ() = 2 3 +.1 ( + 1). Betimmen Sie mittel
MehrProbeklausur - Statistik II, SoSe 2017
Probeklausur - Statistik II, SoSe 2017 Aufgabe 1: Mehrdimensionale Zufallsvariablen (15 Punkte) Gegeben sei ein zweidimensionaler stetiger Zufallsvektor X = (X 1, X 2 ) T mit der gemeinsamen Dichtefunktion
MehrSystemtheorie Teil A. - Zeitkontinuierliche Signale und Systeme - Musterlösungen. Manfred Strohrmann Urban Brunner
Sytemtheorie eil - Zeitkontinuierliche Signale und Syteme - Muterlöungen Manfred Strohrmann Urban Brunner Inhalt Muterlöungen - Laplace-ranformation zeitkontinuierlicher Signale... 3. Berechnung der Laplace-ranformierten
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrGrundkurs Codierung Lösungsvorschläge zu den Fragen in den Unterkapiteln Was blieb? Stand Unterkapitel 4.4 Seite 261
Grundkur Codierung Löungvorchläge zu den Fragen in den Unterkapiteln Wa blieb? Stand 22.04.2007 Unterkapitel 4.4 Seite 261 Zu Frage 1: Nein, damit bleibt da one time pad-verfahren nicht perfekt. Man kann
MehrZulassungsprüfung Stochastik,
Zulassungsprüfung Stochastik, 13.10.2017 Wir gehen stets von einem Wahrscheinlichkeitsraum Ω,A,P aus. Aufgabe 1 15 Punkte Seien a,b > 0 und x,y fest. Gegeben sei das Maß µ : B 1 [0,, µa := a1 A x+b1 A
MehrNachklausur zur Vorlesung
Institut für Mathematische Stochastik WS 003/004 Universität Karlsruhe 30. April 004 Priv.-Doz. Dr. D. Kadelka Nachklausur zur Vorlesung Statistik für Biologen Musterlösungen Aufgabe 1 Gemessen wurde bei
MehrÜbungsmaterial. Lösen von Anfangswertproblemen mit Laplacetransformation
Prof. Dr. W. Roenheinrich 30.06.2009 Fachbereich Grundlagenwienchaften Fachhochchule Jena Übungmaterial Löen von Anfangwertproblemen mit Laplacetranformation Nachtehend ind einige Anfangwertprobleme zu
Mehr7.5 Erwartungswert, Varianz
7.5 Erwartungswert, Varianz Def. 7.5.: a) X sei eine diskrete ZV, die bei unendl. vielen Werten x k folgende Zusatzbedingung erfüllt: x k p k
MehrEinführung in die Stochastik für Informatiker Übungsaufgaben mit Lösungen
Einführung in die Stochastik für Informatiker Übungsaufgaben mit Lösungen David Geier und Sven Middelberg RWTH Aachen, Sommersemester 27 Inhaltsverzeichnis Information 2 Aufgabe 4 Aufgabe 2 6 4 Aufgabe
MehrStochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Maathuis ETH Zürich Winter 2010 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Schreiben Sie für Aufgabe 2-4 stets alle Zwischenschritte und -rechnungen sowie Begründungen auf. Aufgabe
MehrVektorrechnung Theorie Manfred Gurtner 2011 Seite 1. Vektorrechnung
Vektorrechnung Theorie Manfred Gurtner Seite Vektorrechnung ink: http://member.chello.at/gut.jutta.gerhard/kur/vektoren.htm http://member.chello.at/gut.jutta.gerhard/kur/vektoren.htm http://www.mathematik.net/vektoral/va.htm
Mehr3.3 Methoden zur Evaluierung von Schätzern
3.3 Methoden zur Evaluierung von Schätzern Bis jetzt haben wir nur glaubwürdige Techniken zur Konstruktion von Punktschätzern besprochen. Falls unterschiedliche Schätzer für einen Parameter resultieren,
MehrStudiengang Biomedizinische Technik Sommersemester
Klauur Phyik I Studiengang Biomediziniche Technik Sommeremeter 9 6.8.9 Für alle Berechnungen gilt: die Erdbechleunigung beträgt g 9,8 m/!. (7 Punkte) Ein rechtwinklig zur Fahrtrichtung unter einem Winkel
MehrLösung Übungsblatt 5
Lösung Übungsblatt 5 5. Januar 05 Aufgabe. Die sogenannte Halb-Normalverteilung spielt eine wichtige Rolle bei der statistischen Analyse von Ineffizienzen von Produktionseinheiten. In Abhängigkeit von
MehrDiskrete Wahrscheinlichkeitstheorie
SS 2013 Diskrete Wahrscheinlichkeitstheorie Javier Esparza Fakultät für Informatik TU München http://www7.in.tum.de/um/courses/dwt/ss13 Sommersemester 2013 Teil V Induktive Statistik Induktive Statistik
MehrWahrscheinlichkeitsrechnung und Statistik
10. Vorlesung - 2018 Grundbegriffe der Statistik statistische Einheiten = Objekte an denen interessierende Größen erfaßt werden z.b. Bevölkerung einer Stadt; Schüler einer bestimmten Schule; Patienten
MehrLösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 5: Aufgaben zu den Kapiteln 9 bis 12
Lösungen ausgewählter Übungsaufgaben zum Buch Elementare Stochastik (Springer Spektrum, 0) Teil 5: Aufgaben zu den Kapiteln 9 bis Aufgaben zu Kapitel 9 Zu Abschnitt 9. Ü9.. Es sei ψ : R R stetig differenzierbar.
MehrKapitel VI - Maximum-Likelihood-Schätzfunktionen
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VI - Maximum-Likelihood-Schätzfunktionen Induktive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh
MehrSei θ i = ˆθ. Empirische Verleitungsfunktion von ˆθ(x 1,x 2,...,x n ): I [ θ i, ) Fˆθ für N. Fˆθ. 1, x(i) 2,..., x(i) n, 1 i N. N := 1 N.
Ein nicht-parametrisches Bootstrapping Verfahren zu Ermittlung von Konfidenzintervallen der Schätzer Seien die ZV X 1,X 2,...,X n i.i.d. mit Verteilungsfunktion F und sei x 1,x 2,...x n eine Stichprobe
MehrKlausur zur Vorlesung Stochastik II
Institut für Mathematische Stochastik WS 003/004 Universität Karlsruhe 05. 04. 004 Prof. Dr. G. Last Klausur zur Vorlesung Stochastik II Dauer: 90 Minuten Name: Vorname: Matrikelnummer: Diese Klausur hat
MehrPrüfungsvorbereitungskurs Höhere Mathematik 3
Prüfungsvorbereitungskurs Höhere Mathematik 3 Stochastik Marco Boßle Jörg Hörner Marcel Thoms Mathematik Online Herbst 211 PV-Kurs HM 3 Stochastik 1-1 Zusammenfassung Wahrscheinlichkeitsraum (WR): Menge
MehrHochschule RheinMain WS 2018/19 Prof. Dr. D. Lehmann. 8. Übungsblatt zur Vorlesung Ökonometrie
Hochschule RheinMain WS 2018/19 Prof. Dr. D. Lehmann 8. Übungsblatt zur Vorlesung Ökonometrie Aufgabe 1: In der Vorlesung haben wir das lineare Regressionsproblem als statistisches Problem formuliert:
MehrWahrscheinlichkeit und Statistik: Zusammenfassung
HSR Hochschule für Technik Rapperswil Wahrscheinlichkeit und Statistik: Zusammenfassung beinhaltet Teile des Skripts von Herrn Hardy von Lukas Wilhelm lwilhelm.net 12. Januar 2007 Inhaltsverzeichnis 1
MehrKapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung
Gliederung der Vorleung. Falltudie Bipartite Graphen. Grundbegriffe 3. Elementare Graphalgorithmen und Anwendungen 4. Minimal pannende Bäume 5. Kürzete Pfade 6. Traveling Saleman Problem 7. Flüe in Netzwerken
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2006/2007 Universität Karlsruhe 12. Februar 2007 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Aufgabe 1 (15 Punkte) Klausur zur Vorlesung Statistik für Biologen
MehrPrüfungsvorbereitungskurs Höhere Mathematik 3
Prüfungsvorbereitungskurs Höhere Mathematik 3 Stochastik Marco Boßle Jörg Hörner Mathematik Online Frühjahr 2011 PV-Kurs HM 3 Stochastik 1-1 Zusammenfassung Wahrscheinlichkeitsraum (WR): Menge der Elementarereignisse
MehrAufgabenblatt zum Seminar 01 PHYS70356 Klassische und relativistische Mechanik (Physik, Wirtschaftsphysik, Physik Lehramt, Nebenfach Physik)
Aufgabenblatt zum Seminar 01 PHYS70356 Klaiche und relativitiche Mechanik Phyik, Wirtchaftphyik, Phyik Lehramt, Nebenfach Phyik) Othmar Marti, othmar.marti@uni-ulm.de) 20. 10. 2008 1 Aufgaben 1. Sie ehen
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Musterlösung Aufgabe 1 (40 Punkte) Auf der dem Kurs beigelegten CD finden Sie im Unterverzeichnis Daten/Excel/ die Datei zahlen.xlsx. Alternativ können Sie
Mehr3.1 Der Satz von Engel
3. Auflöbare und nilpotente Lie-Algebren 17 3.1 Der Satz von Engel Ein grundlegende Reultat über nilpotente Lie-Algebren it der Satz von Engel, der eine Verbindung zwichen nilpotenten Endomorphimen und
MehrWIPF SCHE FORMELSAMMLUNG
WIPF SCHE FORELSALG Verfer: Wipf rio Fchbereich: chinen-ingenieurween Fch: Antriebtechnik mfng: Hupttudium Fung vom: 4..3 Antriebtechnik Antriebtechnik Grundlgen Formelmmlung:.Wipf Drehmomentberechnung
MehrD-HEST, Mathematik III HS 2017 Prof. Dr. E. W. Farkas M. Nitzschner. Lösung 7. Bitte wenden!
D-HEST, Mathematik III HS 27 Prof. Dr. E. W. Farka M. Nitzchner Löung 7 Bitte wenden! . Wir betrachten ein Sytem linearer Differentialgleichungen erter Ordnung mit kontanten Koeffizienten der Form y (t)
MehrNachklausur Wahrscheinlichkeitstheorie und Inferenz II Sommersemester Oktober 2011
Nachklausur Wahrscheinlichkeitstheorie und Inferenz II Sommersemester 2011 28. Oktober 2011 Prof. Dr. Torsten Hothorn Institut für Statistik Nachname: Vorname: Matrikelnummer: Anmerkungen: ˆ Schreiben
Mehra) Geben Sie einen geeigneten Ergebnisraum Ω an. Wieviele Elemente hat dieser?
Statitik für Kommunikationienchaftler Sommeremeter 008 Vorleung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauer, Manuel Wieenfarth, Monia Mahling Löung Thema 3 Homepage zur Verantaltung: http://.tatitik.lmu.de/~helmut/k08.html
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Sommersemester Namensschild. Dr.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Sommersemester 2013 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Kleben Sie bitte sofort Ihr Namensschild
MehrAufgaben. d) Seien X und Y Poissonverteilt mit Parameter µ, X, Y P(µ). 2. Dann ist die Summe auch Poissonverteilt mit (X + Y ) P(2µ).
Aufgaben 1. Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete Frage 1 Punkt und pro falsche Antwort 1/2 Punkt Abzug. Minimal erhält man für die gesamte
MehrJan Auffenberg. Die Lösung der Bewegungsgleichung eines einzelnen Pendels liefert wie in Versuch M1 betrachtet die Eigenfrequenz der Pendel zu:
Protokoll zu Veruch M: Gekoppelte Pendel. Einleitung Im folgenden Veruch werden Schwingungen von durch eine weiche Feder gekoppelten Pendeln unterucht, deren Schwingungebenen eich ind. Die chwache Kopplung
MehrZusatzmaterial zur Mathematik I für E-Techniker Übung 10
Mthemtik I für E-Techniker C. Erdmnn WS /, Univerität Rotock,. Vorleungwoche Zutzmteril zur Mthemtik I für E-Techniker Übung Uneigentliche Integrle Die Funktion f ei für x definiert und in jedem Intervll
Mehr